【25届秋招备战C++】算法篇-分治法(Divide & Conquer)

一、简介

将一个复杂的问题分解成两个或多个相似的子问题，递归地解决这些子问题，然后将子问题的解合并以解决原始问题。这种方法的核心思想是将大问题分解为小问题，通过解决小问题来简化大问题的解决过程。

二、解题思路

• 分解（Divide）：
  将原始问题分解成两个或多个规模较小但类似于原始问题的子问题。
• 解决（Conquer）：
  递归地解决每个子问题。如果子问题的规模足够小，可以直接解决，不再递归。
• 合并（Combine）：
  将子问题的解合并，形成原始问题的解。

三、应用场景

• 排序算法：
  快速排序（Quick Sort）：通过选择一个基准元素，将数组分为两部分，一部分包含小于基准的元素，另一部分包含大于基准的元素，然后递归地对这两部分进行排序。
  归并排序（Merge Sort）：将数组分成两半，递归地对每一半进行排序，然后合并已排序的两半。
• 搜索算法：
  二分查找（Binary Search）：在有序数组中查找元素，通过不断将搜索范围减半来定位元素。
• 数学问题：
  最大子数组和问题：通过分治法将数组分为两部分，分别求解两部分的最大子数组和，然后考虑跨越两部分边界的最大子数组和。
• 几何问题：
  点定位问题：在一个平面上，给定一个点集和一个目标点，判断目标点位于点集的哪一侧。通过分治法将点集分为两部分，递归地解决子问题。
• 并行计算：
  在并行计算中，分治法可以用来将问题分解成多个子任务，这些子任务可以并行处理。

四、模板函数

// 分治法模板函数
template <typename T, typename Compare>
void divideConquer(std::vector<T>& data, int left, int right, Compare comp) {
    if (left >= right) {
        // 基本情况：当子数组只有一个或没有元素时，不需要进一步分解
        return;
    }

    // 分解步骤：选择一个基准元素，将数组分为两部分
    int pivotIndex = left; // 这里简单地选择第一个元素作为基准
    int mid = (left + right) / 2;

    // 递归地对左右两部分进行分治
    divideConquer(data, left, mid, comp);
    divideConquer(data, mid + 1, right, comp);

    // 合并步骤：合并已排序的两部分
    merge(data, left, mid, right, comp);
}

// 合并已排序的两部分
template <typename T, typename Compare>
void merge(std::vector<T>& data, int left, int mid, int right, Compare comp) {
    int n1 = mid - left + 1;
    int n2 = right - mid;

    // 创建临时数组
    std::vector<T> L(n1), R(n2);

    // 拷贝数据到临时数组
    for (int i = 0; i < n1; i++) {
        L[i] = data[left + i];
    }
    for (int j = 0; j < n2; j++) {
        R[j] = data[mid + 1 + j];
    }

    // 初始化指针
    int i = 0, j = 0, k = left;

    // 合并临时数组回原数组
    while (i < n1 && j < n2) {
        if (comp(L[i], R[j])) {
            data[k++] = L[i++];
        } else {
            data[k++] = R[j++];
        }
    }

    // 拷贝剩余的元素
    while (i < n1) {
        data[k++] = L[i++];
    }
    while (j < n2) {
        data[k++] = R[j++];
    }
}

五、参考

代码随想录
分治法-爱学习的饲养员